tf.concat

最新推荐文章于 2022-11-18 18:07:12 发布
最新推荐文章于 2022-11-18 18:07:12 发布
阅读量83 收藏
点赞数
分类专栏： tf_new
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/luoganttcc/article/details/107714691
版权 
import tensorflow as tf
t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]
tf.concat([t1, t2], 0)

<tf.Tensor: shape=(4, 3), dtype=int32, numpy=
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 7,  8,  9],
       [10, 11, 12]], dtype=int32)>

tf.concat([t1, t2], 1)

<tf.Tensor: shape=(2, 6), dtype=int32, numpy=
array([[ 1,  2,  3,  7,  8,  9],
       [ 4,  5,  6, 10, 11, 12]], dtype=int32)>
luoganttcc
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
浅谈tensorflow使用张量时的一些注意点tf.concat,tf.reshape,tf.stack
12-17
tensorflow1.0以前函数用法：tf.concat(concat_dim, values, name=’concat’)，第一个参数为连接的维度，可以将几个向量按指定维度连接起来。 如： t1 = [[1, 2, 3], [4, 5, 6]] t2 = [[7, 8, 9], [10, 11, 12]] #...
tf.concat()详解
Jq的博客
02-21 1137
tensorflow中用来拼接张量的函数tf.concat()，用法: tf.concat([tensor1, tensor2, tensor3,...], axis) t1 = [[1, 2, 3], [4, 5, 6]] t2 = [[7, 8, 9], [10, 11, 12]] t3 = tf.concat([t1, t2], 0) # [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]] t4 = tf.concat([t1, t2],
tf.concat作用
最新发布
gougou0304的博客
11-18 261
沿着维度'axis'连接张量'values'的列表。Daxis (i),……Dn] '，拼接后的结果具有形状[D0, D1，…也就是说，来自输入张量的数据是沿着“axis”维度连接的。输入张量的维度数必须匹配，除“axis”外的所有维度必须相等。负“axis”被解释为从rank的末尾计数，即第“axis+rank(values)”维度。tf.concat([t1, t2], -1) #拼接后形状为（2，2，4）举例：shape为（2，2，2）得张量。
tf.concat()函数解释
xjp_xujiping的博客
07-23 471
tensorflow中用来拼接张量的函数tf.concat()，用法: tf.concat([tensor1, tensor2, tensor3,...], axis) 先给出tf源代码中的解释: t1 = [[1, 2, 3], [4, 5, 6]] t2 = [[7, 8, 9], [10, 11, 12]] tf.concat([t1, t2], 0) # [[1, ...
tf.concat与tf.stack
anshiquanshu的专栏
01-06 634
tf.concat与tf.stack（仅个人理解） tf.concat是沿某一维度拼接shape相同的张量，拼接生成的新张量维度不会增加。而tf.stack是在新的维度上拼接，拼接后维度加1 例如： import tensorflow as tf a = tf.constant([[1,2,3],[4,5,6]]) b = tf.constant([[7,8,9],[10,11,12]]) ab1 = tf.concat([a,b],axis=0) ab2 = tf.stack([a,b], axis
tf.concat()用法总结
silent1cat的博客
09-03 3983
概述 tf.concat用于拼接张量(tensor)。 用法 tf.concat([tensor1, tensor2, tensor3, ......], axis) 当axis=0时，表示在第0个维度拼接；当axis=1时，表示在第1个维度 如果对于一个形状为二维矩阵的tensor来说，第0个维度表示的最外层方括号下的子集，第1个维度表示的是内部方括号下的子集。 tf.concat()拼接的张量只会改变一个维度，其他维度是保持不变的。 (对于三维矩阵的拼接，axis的取值范围[0, 1, 2]，以此类推
tf.concat( )的函数用法
三人行必有我师的博客
08-27 1629
import tensorflow as tf import numpy as np t1 = [[1, 2, 3], [4, 5, 6]] t2 = [[7, 8, 9], [10, 11, 12]] t3=tf.concat( [t1, t2],-1) t4=tf.concat( [t1, t2],1) t5=tf.concat( [t1, t2],0) with tf.Sessio...
TensorFlow 之 tf.concat() 详解
南淮北安的博客
10-03 1781
tensorflow 中用来拼接张量的函数tf.concat() 或者说tf.concat是连接两个矩阵的操作 语法： tf.concat([tensor1, tensor2, tensor3,...], axis) 示例： t1 = [[1, 2, 3], [4, 5, 6]] t2 = [[7, 8, 9], [10, 11, 12]] tf.concat([t1, t2], 0...
趣谈tf.stack与tf.concat
简洁之美 的专栏
07-28 630
发现一个简单，或者说有点意思的理解tf.stack的方法 t1 = [[1, 2, 3], [4, 5, 6]] t2 = [[7, 8, 9], [10, 11, 12]] c0=tf.stack([t1, t2], 0) c1=tf.stack([t1, t2], 1) c2=tf.stack([t1, t2], 2) with tf.Session() as sess: print('c0') print(sess.run(c0)) print('c1') print(sess.r.
tf.concat和tf.keras.layers.Concatenate()
qq_38124658的博客
09-15 1331
二者的作用类似，不过使用起来也有区别： 使用方式不同： tf.concat([obj1, obj2], axis=-1) tf.keras.layers.Concatenate(axis=-1)([obj1, obj2]) concat拼接的对象类型要相同 tf.float32和tf.float64似乎都无法直接拼接，反正我使用时会报错； ...
浅谈tensorflow 中tf.concat()的使用
12-20
concat()是将tensor沿着指定维度连接起来。其中tensorflow1.3版中是这样定义的： ... print(sess.run(tf.concat([t1, t2], 0) )) 结果为：[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]] t1 = [[1, 2,
tf.concat()的理解和使用
01-06
一：原型 concat(values, axis, name=“concat”)。...c = tf.concat(values=[a, b], axis=0) with tf.Session() as sess: print(sess.run(c)) 如上面代码所示，定义了两个一维张量a和b，axis的可取值此时只能
谈一谈数组拼接tf.concat()和np.concatenate()的区别
09-18
今天小编就为大家分享一篇谈谈数组拼接tf.concat()和np.concatenate()的区别，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
tf.concat中axis的含义与使用详解
09-18
今天小编就为大家分享一篇tf.concat中axis的含义与使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
tf.ones 　的一些用法
luoganttcc的博客
08-04 3185
tf.ones([3, 4], tf.int32) <tf.Tensor: shape=(3, 4), dtype=int32, numpy= array([[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]], dtype=int32)> def make_variables(k, initializer): return (tf.Variable(initializer(shape=[k], dtype=tf.float32)
tf.eye
luoganttcc的博客
08-03 2496
tf.eye(2) <tf.Tensor: shape=(2, 2), dtype=float32, numpy= array([[1., 0.], [0., 1.]], dtype=float32)> tf.eye(2, batch_shape=[3]) <tf.Tensor: shape=(3, 2, 2), dtype=float32, numpy= array([[[1., 0.], [0., 1.]], [[1., 0.],
张量的广播机制
luoganttcc的博客
06-15 2236
tensorflow 的字面翻译是----张量(tensor)—流(flow) 为什么要引入张量的广播机制，原因是有利可图，这个利益就是 能节约内存空间，说白了就是省钱！！！ 凡事都有两面，既然能省钱，那一定费脑子，哲学一点的说法就是’抽象’ 对于张量的加法，乘法，不要求两个张量的维度完全相同，对于有很多重复元素的张量而言，可以用一个低纬度张量代表高维张量 广播的原则 如果两个数组的后缘维度（trailing dimension，即从末尾开始算起的维度）的轴长度相符，或其中的一方的长度为1，则认为它们是广播
tf.argsort
luoganttcc的博客
07-30 1914
tf 的排序，返回对应值的排名 import tensorflow as tf a = [1, 10, 26.9, 2.8, 166.32, 62.3] b = tf.argsort(a,axis=-1,direction='ASCENDING',stable=False,name=None) c = tf.keras.backend.eval(b) # Here, c = [0 3 1 2 5 4]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值